论文部分内容阅读
当滚动轴承发生故障时，需要判断故障处于什么样的程度，以便对是否进行维修和更新进行科学指导。然而，对不同故障程度的振动信号提取特征参数时，参数选择过多或过少都会产生不利的影响，所以采用了BP神经网络和PCA相结合的方法对滚动轴承的故障程度进行识别。首先，对振动信号提取时域和频域的特征参数，然后，利用PCA提取核心特征参数，最后，用改进的BP神经网络--LM算法对不同的故障程度进行识别。试验结果表明该方法对滚动轴承故障程度的判断可以达到较好的效果。